Darstellung von Größen

Finger weg von Pie Charts!

Manipulation von Achsen

Beispiel aus der Einführung nehmen. Dann alternativen zeigen, z.B. Ranzoomen!

https://www.data-to-viz.com/caveat/cut_y_axis.html

Manipulation des Bildformats

set.seed(42)
my_weight <- data.frame(
  month = factor(c("Januar", "Februar", "März", "April", "Mai", "Juni", "Juli", "August", "September", "Oktober", "November", "Dezember"),
                 levels = c("Januar", "Februar", "März", "April", "Mai", "Juni", "Juli", "August", "September", "Oktober", "November", "Dezember"), 
                 ordered = TRUE), 
  weight = rnorm(12, 90, 5)/1000, 
  group = rep(1, 12)
)

ggplot(my_weight, 
       aes(x = month, y = weight, group = group)) +
  geom_point() +
  geom_line() +
  labs(title = "Mein Gewicht 2024",
       subtitle = "In metrischen Tonnen", 
       x = "Monat", 
       y = "Gewicht in t") +
  ylim(0, 1000) + 
  theme_bg() +
  theme(axis.text.x = element_text(angle = 90, vjust = 0.5, hjust=1))

Election Plot

https://storymaps.arcgis.com/stories/0e636a652d44484b9457f953994b212b Vielleicht mit Bundestagswahl?

Fehlender Kontext

Ausschnitt aus Zeitreihe, ohne KOntext schwer zu Interpretieren. Irgendwas mit Schuldenpaket z.B.? Am besten noch mit anderen Kategorien dazu - Co2 Data insgesamt ohne Population zeigen

Dabei kann es helfen, sich von bereits vorhandenen Plots inspirieren zu lassen.
Handschriftliche Skizze ist auch erstmal hilfreich!

Simplify to clarify

• Redundanzen Reduzieren
• Fokus auf das Wesentliche https://www.data-to-viz.com/caveat/declutter.html

Beispiel von einem komplexen Plot bringen, den wir schon erzeugt haben, und dann reduzieren!

Gruppieren

Verteilungen Plotten

Eine Grafik ist kann nur einen Teil der Zusammenhänge darstellen

Im Schlechtesten Fall für Manipulation nutzbar

Black swann

Was mögt ihr an dieser Grafik/nicht?

Plot-Typen

Choosing the correct plot

https://www.data-to-viz.com/

Pulikum

Geschichte

• Gleiche sache auf verschiedene Arten darstellen -> was wirkt am meisten?

Purpose

• Exploratory vs. Explanatory
• Kann oft über reines Zeigen der Daten hinausgehen.

Tufte

• So wenig Tinte wie möglich nutzen
• Alles nicht essentielle entfernen
• Redundanzen entferenen

Beispiel zeigen: Eins ist aufgeblasen, man braucht Zeit zur Orientierung. Ein anderes theme_tufte

Data-ink ratio

Beispiel zum Minimieren zeigen - Raincloud plots

Caveats

https://www.data-to-viz.com/caveats.html

Immer einen Plot zeigen, dann zusammen überlgen was daran schlecht ist, was verbessert werden kann.

Farben

Ganglienzellen übertragen keine Informationen über absolute Helligkeit, sondern über relative Helligkeit. ‣ Wie stark unterscheiden sich zwei Bereiche in ihrer Helligkeit? ‣ Wie stark hat sich eine Helligkeit gerade geändert? Allgemeine Lehre daraus: ‣ Visualisierung kann nicht gut darin sein, absolute Werte zu kommunizieren (Tabellen können das besser) ‣ Hingegen ist das visuelle System (und das Gehirn allgemein) extrem gut darin, Unterschiede und Veränderungen zu erkennen –> Beispiel bringen (Simultankontrast)

• Graustufen nicht für absolute oder kategorische Werte nutzen (mehr als vier können iwr nicht gut unterscheiden)
• Welche Farben wir wahrnehmen können (Exkurs Tierwelt?)
• Diese Webseite zur Auswahl von passenden Farben nutzen?
• RGB erklären (und die Addition im Gehirn?

Farbfehlsichtigkeiten

Farbsehtests

• Farbwahrnehmung braucht Helligkeit und Fläche

Anwendung in ggplot2: Farbskalen wählen

Takeaways

• Kommunizieren von der größtmöglichen Anzahl von Ideen in kürzester Zeit.
• Maximieren von Data-ink ratio
• Minimieren von Chart-junk
• Erhöhe Datendichte, Vervielfältige kleine Versionen der Abbildung für verschiedene Gruppen

Caveat Plots: See data to viz

Storytelling

Rolfs 7

Using Text/Annotations

Nutzen von Eigenschaften der Wahrnehmung

• Bewusste Wahrnehmung ignoriert Informationen und fügt hinzu
• Nähe
• Salienz (Farbe, Größe, Neigung) (Szafir, Haroz, Gleicher & Franconeri (2016))
• Hier würde das USA Bild passen (evtl. mit einem anderen Beispiel, das den Unterschied deutlich macht, z.B. keine andere Farbe, näher dran durch andere Achse)
• Harold et al., 2016: Lenken von Aufmerksamkeit
• Nothelfer et al., 2017: Redundatne Kodierung führt zu deutlich höherer Genauigkeit der Antworten und kürzeren Reaktionszeiten

Übung

Schlechte Grafiken verbessern: https://www.data-to-viz.com/caveats.html